MétaCan
Menu
Retour à la cohorte
Enregistrement W3202008421 · doi:10.13031/aea.14621

Review: Dairy Farm Electricity Use, Conservation, and Renewable Production—A Global Perspective

2021· article· en· W3202008421 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueApplied Engineering in Agriculture · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAgriculture Sustainability and Environmental Impact
Établissements canadiensCanadian Wood CouncilCanadian Animal Health InstituteUniversity of WindsorAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésElectricityRenewable energyAgricultural scienceEnvironmental scienceMilkingAutomatic milkingPastureBarnAgricultural economicsBusinessEngineeringGeographyEconomicsBiologyForestryCivil engineeringElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Highlights Studies of electricity use were reviewed, representing five continents. Considering all farm types, electricity use averaged 7.7 kWh 100 kg -1 milk and 612 kWh cow -1 y -1 . Pasture-based dairy systems used less electricity than barn-based systems (475 vs. 769 kWh cow -1 y -1 ). By combining several conservation technologies there is potential to reduce electricity demand by one-third. Dairy farms can reach net zero electricity by combining renewable energy production with conservation. Abstract. This review summarizes electricity use on dairy farms, with a focus on how energy is used, energy use indices (EUI), conservation strategies, and generation of renewable energy to reach net zero. EUI of electricity consumption varied between the identified studies primarily based on farm management system (confined, pasture-based), housing type (tie-stall, free-stall), and region (North America, Europe, Asia, Africa, Oceania). The highest electricity usage was associated with milking and milk cooling systems, which, on average, accounted for 23% and 22% of total electricity use, respectively. Energy use scaled per cow (EUI c ) was lower, on average, for pasture-based dairy systems than for confined systems (475 vs. 769 kWh cow -1 y -1 ). Considering milk production, the average EUI scaled to milk (EUI m ) was lower for pasture-based systems (6.6 kWh 100 kg -1 ) than for confined systems 9.2 kWh 100 kg -1 . Considering all non-irrigated farm types, EUI m averaged 7.7 kWh 100 kg -1 and EUI c averaged 612 kWh cow -1 y -1 . There was a large range of EUI, with higher values associated with automated milking systems and irrigation. Electricity consumption by the global dairy sector (excluding irrigation) was estimated using the average EUI m at approximately 64.2 TWh y -1 . The main conservation technologies include variable speed drives (milk vacuum pumps, milking systems, fans), pre-cool heat exchangers, refrigeration heat recovery systems, energy-efficient light fixtures (compact fluorescents, light emitting diodes), and efficient ventilation (high-volume low-speed fans). Theoretical savings of up to 32% overall could be achieved by combining several technologies. Feedback from electricity monitoring can inform dairy farmers of their energy use pattern to guide decisions to reduce consumption. Tools for predicting energy use and related costs on dairy farms, which can indicate potential energy savings from operational changes, were reviewed. By combining conservation methods with renewable energy from biogas or solar, many dairy farms can produce enough electricity to reach net zero electricity. For example, a hypothetical barn-based 250 milking-cow dairy farm consumed 1021 kWh cow -1 y -1 , on average, and could produce approximately 1095 kWh cow -1 y -1 using a biodigester or 960 kWh cow -1 y -1 using rooftop photovoltaic solar panels. Keywords: Conservation, Dairy footprint, Electricity use, Electricity partitioning, Energy utilization index, Renewable energy.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,702
Score d'incertitude au seuil0,615

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,005
Tête enseignante GPT0,196
Écart entre enseignants0,191 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle